ZEKİ ÖĞRETİM SİSTEMLERİ (INTELLIGENT TUTORING SYSTEM)

Öğretimde Bireyselleştirme Öğretimin kişinin ihtiyaçları, öğrenme stili gibi duyuşsal özelliklerinin yanı sıra bilişsel bilgi düzeyine göre de biçimlendirilmesi olarak tanımlamaktadır(Dağ, 2011).

Zeki Öğretim Sistemleri Bireyselleştirilmiş öğretim sistemleri alanında yapılan çalışmalar 1970'li yıllardan itibaren; eğitim teknolojisi, bilgisayar bilimleri ve yapay zeka tekniklerinin birlikte kullanıldığı Zeki Öğretim Sistemleri ile başlamıştır.

Zeki Öğretim Sistemleri Zeki Öğretim Sistemlerinde temel amaç, öğrencinin bilgi seviyesi hakkında karar vermek ve içeriği öğrenciye göre düzenleyip ona yol göstermektir.

Adaptive Web-Based Intelligent Tutoring Systems 2000'li yıllardan itibaren bu alandaki çalışmalar; uyarlanır bağlantılı sistemler (adaptive hypermedia systems) ve zeki öğretim sistemlerinin birleşmesiyle bireyselleştirmeyi yüksek düzeyde sağlayan, "Uyarlanabilir Web Tabanlı Zeki Öğretim Sistemleri" alanında araştırmalar yapılmasına yol açmıştır (Brusilovsky & Peylo, 2003). Adaptive Hypermedia Systems Adaptive Web-Based Intelligent Tutoring Systems Intelligent Tutoring Systems

Zeki Öğretim Sistemi Tanımları Zeki Öğretim Sistemleri (ZÖS), bilgiyi temsil etmede ve öğrenci ile etkileşim sağlamada yapay zekâ tekniklerini kullanan bilgisayar yazılımlarıdır (Self, 1990) Öğrencilere neyin öğretileceğini, bu bilgilerin öğrencilere nasıl öğretileceğine ilişkin eğitim stratejilerini içeren ve öğrenciye göre sistemi dinamik bir şekilde uyarlayan bilgisayar temelli bir eğitim sistemidir (Virvou ve ark. 2000)

Zeki Öğretim Sistemi(ZÖS) Tanımları Kime? Neyi? ZÖS Ne zaman? Nasıl

Zeki Öğretim Sistemi Mimarisi Zeki Öğretim Sistemleri temel olarak dört bileşenden oluşmaktadır. 1.Bilgi Alanı 2.Öğrenci Modeli 3.Öğretim Modeli 4.Kullanıcı Arabirimi Genel ZÖS Mimarisi

1.Bilgi Alanı Öğretilecek konunun müfredatını , konu başlıklarını ve öğrencinin çalışması için gerekli konu materyallerini bilgi alanı saklar (Nouh, 2006) . Uzmanlar, sisteme girilecek ve öğretilecek kavramın ilişki veya niteliğini belirler, daha sonra sistem öğretim planını oluşturacaktır, öğretmenler öğretim planları oluşturmak için varsayılan öğretim stratejilerini kabul edebilir (Lin, 2008).

1.Bilgi Alanı Bilgi alanın ne şekilde bilgi sunacağına karar vermek önemlidir, çünkü buna göre problem çözülmekte ve gerekli açıklama yapılmaktadır. Sunum, hem problemi çözecek kadar yeterli, hem de açıklama yapmak için kullanışlı olmalıdır (Suraweera, 2001) .

2. Öğrenci Modeli Öğrenci modeli her öğrenci için özel bilgileri saklar ve bu bilgiler sistemde farklı kullanıcılar tanımlamaya olanak sağlar. Genellikle, bu bilgiler sistem tarafından belirlenen, öğrencinin mevcut bilgi durumunu yansıtır. Böylece öğrenci modeli öğrencinin anlamasını ve özel ihtiyaçlarını izleyebilir (Nouh, 2006) .

2.Öğrenci Modeli Sistem içinde öğrenci modelinin ana rolü, öğretim hedefi, kapsamı ve stratejisi için durum tahmini sağlamaktır. Bu nedenle öğrencinin bilgi seviyesini, bilişsel yeteneklerini, öğrenme ilgilerini, öğrenme sitillerini, öğrenme geçmişlerini ifade etmek gereklidir (Lin, 2008).

2.1. Öğrenci Modelleri Kısıt Tabanlı Öğrenci Modelleme (Constraint based Modelling) Sterotip Öğrenci Modeli (Stereotypes) Kaplama Öğrenci Modeli (Overlays) Durum Tabanlı Öğrenci Modeli (Case Based) Bayes Modeli (Bayesian) Model İzleme (Model Tracing) Bulanık Mantık (Fuzzy Logic)

2.1.1. Kısıt Tabanlı (Constraint Based) Öğrenci Modelleme Kısıt tabanlı öğrenci modelleme, öğrencinin yanlışlarından yola çıkarak öğrencinin ne bilip ne bilmediğine karar veren öğrenci modelleme yöntemidir (Ohlsson, 1996) Bu modelde hatalı bilgilerin üzerine yoğunlaş ılır. Yanlış bilgiler, doğru bilgilerden çok daha fazla olacağı düşüncesi ile bu modellemede doğru çözümler kısıtlar ile temsil edilmektedir. Kısıt kümeleri, tüm olası doğru çözümleri tanımlamaktadır.

2.1.2. Kaplama Öğrenci Modeli (Overlays) Kaplama modelinde öğrencinin, sistemin alan bilgisinin ufak bir parçasını kapladığı kabul edilir (Goldstein,1977) yani öğrenci bilgisi uzman bilgisinin bir alt kümesi olarak kabul edilmektedir (Stankov, 1996). Kaplama Öğrenci Modeli (Stankov, 1996)

2.1.2. Kaplama Öğrenci Modeli (Overlays) Kaplama modelinde önkoşul olarak, alan bilgisi; kurallar, kavramlar ve olaylar şeklinde genel maddelere bölünebilir olmalıdır. Her bir konunun bilinme düzeyi için sistem tasarımcısı tarafından belirlenen değer aralığı kullanılmaktadır.

2.1.3. Durum Tabanlı Öğrenci Modeli (Case Based) Durum tabanlı öğrenci modelinde, öğrencinin daha önce çözülmüş problemlerin oluşturduğu durum tabanından yararlanarak yeni karşılaştığı problemi çözmesi varsayımına dayanmaktadır.

2.1.3. Durum Tabanlı Öğrenci Modeli (Case Based) Problemle ilgili durum tabanında bulunan çözümler öğrenciye sunulur. Öğrenci bu durumları kullanarak problemin çözümünü yapar. Öğrencinin çözümü ile önceden var olan durumlar (problem çözümleri) karşılaştırılarak öğrenmenin gerçekleşip gerçekleşmediği tespit edilir. Öğrencinin bulduğu çözüm daha önce durum tabanında yok ise öğrencinin çözümü durum tabanına eklenerek güncelleme yapılır.

3.Öğretim Modeli Öğretim modeli veya pedagojik model olarak adlandırılabilmektedir. Öğretim modeli, tüm öğretim etkinliklerinin uygulanması, yönetilmesi ve organize edilmesi için Zeki Öğretim Sistemlerinin odak noktasıdır. Öğrencilere öğrenme sürecinde rehberlik etmek için, öğrenci modeline göre etkili öğretim stratejilerini kabul eder.

3.Öğretim Modeli Öğretim modeli bileşeni öğretim için öğretim tekniklerini belirtir. Örneğin ne zaman yeni bir konu sunulacağına, hangi konunun sunulacağına, öneriler ve yönlendirmelerin nasıl sağlanacağına karar verir. Öğrenci modelinin değerlendirilmesi sonucu bu bileşenin girdisidir. Böylece sistemin pedagojik kararları öğrencinin farklı ihtiyaçlarını yansıtır. Dolayısıyla bu bileşen, öğretim stratejileri arasında geçiş ve öğrencinin özel ihtiyaçlarına ve sorunlarına göre uygun zamanlarda uygun öğretim yaklaşımları kullanmak gibi bire bir öğretim yönetiminde uygun önlemleri almak için gerekir(Nouh, 2006).

4. Kullanıcı Arabirimi Kullanıcı arabirimi bileşeni kullanıcı ile sistemin nasıl etkileşime geçeceğine karar veren sistem bileşenidir. Diyalog ve ekran düzenleri bu bileşen tarafından kontrol edilir. İyi tasarlanmış bir arayüz , öğrenciye geri bildirimleri ve yönergeleri net ve doğrudan sunmaya olanak tanıyarak, ZÖS ün yeteneklerini geliştirebilir (Nouh, 2006).

4. Kullanıcı Arabirimi Öncelikle, arabirim öğrenciye devam etmesi için motivasyon sağlamalıdır. İkinci olarak, arabirim öğrencinin bellek yükünü azaltarak öğrenmeyi artırabilir. Üçüncü olarak, amacı iyi görüntüleyebilen bir arabirim, öğrencinin hedefe daha kolay ulaşmasına yardımcı olacaktır

Kavram Haritaları Kavram haritaları Novak tarafından Cornell Üniversitesi’nde 1972 yılında araştırma programı çerçevesinde geliştirilmiştir Bu program David Ausubel’in öğrenme psikolojisine dayandırılmıştı (Ausubel ve ark., 1978). Ausubel’in öğrenme psikolojisinde temel fikir, öğrencinin mevcut kavram ve önermeler çerçevesinde yeni kavram ve önermelerin özümsenmesi ile öğrenmenin gerçekleşmesidir(Novak ve Cañas, 2008).

Kavram Haritaları Kavram haritaları yönteminde öncelikle kavramların dikdörtgen veya dairesel şekildeki alanlar içerisine yazılması gerekmektedir. Daha sonra ise kavramlar arası ilişkilerin oklar yoluyla, ilişkileri yansıtacak biçimde bağlantı amaçlı kullanılması gerekmektedir

Kavram Haritaları Kavramlar için isimlendirme genellikle bir kelimeden oluşur, nadir olarak bu bir simgede olabilir. Seçilen kelime ya da simge kavramı tam olarak ifade etmelidir. Her kavram iki ya da daha fazla kavramla bağlantı içinde olmalıdır. Bağlantılarda iki kavramın birbiriyle ilişkisini ifade eden bir bağlaç kullanılır. Birbiriyle ilişkili iki kavram bu bağlaç yardımıyla bir “önerme” oluşturur (Novak ve Wandersee, 1991).

Bir probleme alternatif çözümler üretir. Kavram Haritaları Karmaşık yapıların tasarımı ve bunun yanı sıra karmaşık düşüncelerin iletişiminde kullanılabilir. Fikir üretimi Bir sorundaki belirsizliklerin açığa kavuşturulması için kullanılabilir ve kritik düşünme için bir süreç imkanı sağlar, Kavram haritaları ayrıca okuduğunu anlama, bilgi yönetimi ve kişinin kendisini anlamasına teşvik gibi durumlara destek sağlar Bir probleme alternatif çözümler üretir. (Morsi ve ark., 2007).

ZÖS’lerde Kavram Haritası Alan modelinde; bilginin temsil edilmesi, konu hiyerarşisi, sırası ve konuların birbiri ile olan ilişkisinin belirlenmesinde Öğrenci modelinde ise; öğrencinin konu alanının ne kadarını bildiğinin tespit edilmesi ve öğrenciye konu içeriğinde doğru yönlendirme yapılmasında kullanan web tabanlı bir zeki öğretim sistemi geliştirildi

Kavram-ÖnKoşul Kavram İlişkisi .... Kavramn 1 . . .

Soru-Kavram İlişkisi A=1="Çok Kuvvetli" X Kavramı Soru-1 B=0,75="Kuvvetli" Soru-2 X Kavramı B=0,75="Kuvvetli" X Kavramı Soru-3 Y Kavramı D=0,25="Düşük Seviye"

Soru-Kavram İlişkisi Kavram Soru Kavram1 Kavram2 Kavram3 .... Kavramn 0,75 0,25 Soru2 1 Soru3 . . . Sorun

Kavram Hata Tablosu Kavram Soru Kavram1 Kavram2 Kavram3 Kavramn .... Kavramn Cevap Durumu Soru1 0,75 0,25 Doğru Soru2 1 Yanlış Soru3 . . . Sorun HATA ORANI ..... 50 100 MÜKEMME L ORTA KÖTÜ ÖĞRNME DÜZEYİ

Kaynaklar Ausubel, D. P., Novak, J. D., Hanesian, H. (1978). Educational psychology: A cognitive view (2nd ed.). New York: Holt, Rinehart and Winston. Brusilovsky, P. , Peylo, C. (2003) Adaptive and Intelligent Web-based Educational Systems, Journal International Journal of Artificial Intelligence in Education archive Volume 13 Issue 2-4. Dağ, F. (2011) Bireyselleştirilmiş Öğretim Sistemleri ve Semantik Web' in Etkisi, Eğitim Teknolojileri Araştırmaları Dergisi (ETAD), Cilt 2 ,Sayı 1. Goldstein, P. (1977) Overlays : A Theory of modelling for computer – aided instructions, AI Memo 406, MIT, Cambidge, MA Self, J. (1990) Theoretical Foundations for Intelligent Tutoring Systems, Journal of Artifical Intelligence in Education, 1(4), 3-14. Lin, G-Y. (2008) Model and Application of Web-Based Intelligent Tutoring System, Innovative Computing Information and Control, 2008 ICICIC’08. 3rd. International Conference, pp 208 Nouh, Y. (2006) Intelligent Tutoring System-Bayesian Student Model, Digital Information Management, 2006 1st International Conference, 257-262.

Kaynaklar Morsi, R., Ibrahim, W. & Williams, F. (2007). Concept Maps: Development and Validation of Engineering Curricula, 37th ASEE/IEEE Frontiers in Education Conference, October 10 – 13, 2007, Milwaukee, WI. Novak, J. D., Wandersee, J. (1991) Coeditors, special issue on concept mapping. Journal of Research in Science Teaching, 28. Novak, J. D., Cañas, A. J. (2008) The Theory Underlying Concept Maps and How to Construct and Use Them, Technical Report IHMC CmapTools 2006-01 Rev 01-2008, Florida Institute for Human and Machine Cognition. Ohlsson, S. (1996) Learning from Performance Errors, Psychological Review 3(2) . Suraweera, P. (2001) An Intelligent Teaching System for Database Modelling, Msc Thesis , Computer Science at the University of Canterbury 5-60. Virvou, M., Maras, D., Tsiriga, V. (2000) Student Modelling in an Intelligent Tutoring System for the Passive Voice of English Language, Educational Technology & Society 3, 1436-4522).